CN107506733B - 一种障碍物识别方法、雾节点及系统 - Google Patents

一种障碍物识别方法、雾节点及系统 Download PDF

Info

Publication number
CN107506733B
CN107506733B CN201710750449.3A CN201710750449A CN107506733B CN 107506733 B CN107506733 B CN 107506733B CN 201710750449 A CN201710750449 A CN 201710750449A CN 107506733 B CN107506733 B CN 107506733B
Authority
CN
China
Prior art keywords
obstacle
vehicle
position information
information
vehicles
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710750449.3A
Other languages
English (en)
Other versions
CN107506733A (zh
Inventor
郝虹
段成德
于治楼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Intelligent Technology Wuhan Co Ltd
Original Assignee
Inspur Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inspur Group Co Ltd filed Critical Inspur Group Co Ltd
Priority to CN201710750449.3A priority Critical patent/CN107506733B/zh
Publication of CN107506733A publication Critical patent/CN107506733A/zh
Application granted granted Critical
Publication of CN107506733B publication Critical patent/CN107506733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种障碍物识别方法、雾节点及系统，包括：接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果；根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息；针对于每一个所述目标障碍物，从所述至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车；将所述当前目标障碍物的障碍物信息发送给所述至少一辆车，以对所述至少一辆车中的每一辆车对应的所述识别结果进行校正。本方案能够提高识别障碍物的准确性，减少误判的概率。

Description

一种障碍物识别方法、雾节点及系统
技术领域
本发明涉及计算机技术领域，特别涉及一种障碍物识别方法、雾节点及系统。
背景技术
随着人工智能的发展，各大车企和科技厂商等都在积极部署自动驾驶，截止到目前，已经有多辆自动驾驶车问世。自动驾驶车，是一种通过电脑系统实现无人驾驶的智能车，为安全行驶，在行驶过程中需要确定其周围环境中存在的障碍物，以便确定行车策略。
目前，自动驾驶车主要是依靠部署的激光雷达扫描周围环境，然后通过对激光雷达扫描的结果进行识别，依据自身识别出的结果确定周围存在的障碍物。
但是，自动驾驶车在行驶过程中，可能由于其它车辆遮挡等原因，造成自身识别出的结果可能不准确，那么这种误判可能会带来比较大的安全隐患。因此如何能够提高识别障碍物的准确性，减少误判的概率则成为现如今比较关注的问题。
发明内容
本发明实施例提供了一种障碍物识别方法、雾节点及系统，能够提高识别障碍物的准确性，减少误判的概率。
第一方面，本发明实施例提供了一种障碍物识别方法，包括：
接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果；
根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息；
针对于每一个所述目标障碍物，从所述至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车；
将所述当前目标障碍物的障碍物信息发送给所述至少一辆车，以对所述至少一辆车中的每一辆车对应的所述识别结果进行校正。
优选地，
所述识别结果，包括：第一数量的障碍物的类别以及与相应所述车辆位置信息对应的每一个所述障碍物的相对位置和相对距离，其中，所述第一数量为非负整数。
优选地，
所述障碍物信息，包括：类别和位置信息；
所述根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息，包括：
针对于所述至少两辆车中的每一辆车，分别根据对应的所述车辆位置信息以及所述识别结果中包括的各个所述障碍物的相对位置和相对距离，将各个所述障碍物定位到预设地图上，以确定每一辆车所识别到的每一个所述障碍物的位置信息；
针对于每一个所述位置信息，当存在有障碍物扫描区域覆盖当前位置信息的车并未识别到所述当前位置信息的障碍物时，从剩余障碍物扫描区域覆盖所述当前位置信息的车所识别到所述当前位置信息的障碍物中确定目标障碍物的类别。
优选地，
进一步包括：
针对于每一个所述位置信息，当障碍物扫描区域覆盖所述当前位置信息的车均识别到所述当前位置信息的障碍物时，判断分别识别到所述当前位置信息的障碍物的类别是否一致；
如果是，则结束当前流程；
如果否，则从识别到所述当前位置信息的障碍物中确定目标障碍物的类别，其中，所述目标障碍物的类别在当前分别识别到所述当前位置信息的障碍物的类别中出现的次数最多。
第二方面，本发明实施例提供了一种雾节点，包括：接收单元、第一确定单元、第二确定单元和发送单元，其中，
所述接收单元，用于接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果；
所述第一确定单元，用于根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息；
所述第二确定单元，用于针对于每一个所述目标障碍物，从所述至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车；
所述发送单元，用于将所述当前目标障碍物的障碍物信息发送给所述至少一辆车，以对所述至少一辆车中的每一辆车对应的所述识别结果进行校正。
优选地，
所述识别结果，包括：第一数量的障碍物的类别以及与相应所述车辆位置信息对应的每一个所述障碍物的相对位置和相对距离，其中，所述第一数量为非负整数。
优选地，
所述障碍物信息，包括：类别和位置信息；
所述第一确定单元，用于针对于所述至少两辆车中的每一辆车，分别根据对应的所述车辆位置信息以及所述识别结果中包括的各个所述障碍物的相对位置和相对距离，将各个所述障碍物定位到预设地图上，以确定每一辆车所识别到的每一个所述障碍物的位置信息；以及针对于每一个所述位置信息，当存在有障碍物扫描区域覆盖当前位置信息的车并未识别到所述当前位置信息的障碍物时，从剩余障碍物扫描区域覆盖所述当前位置信息的车所识别到所述当前位置信息的障碍物中确定目标障碍物的类别。
优选地，
所述第一确定单元，进一步用于针对于每一个所述位置信息，当障碍物扫描区域覆盖所述当前位置信息的车均识别到所述当前位置信息的障碍物时，判断分别识别到所述当前位置信息的障碍物的类别是否一致；如果是，则结束当前流程；如果否，则从识别到所述当前位置信息的障碍物中确定目标障碍物的类别，其中，所述目标障碍物的类别在当前分别识别到所述当前位置信息的障碍物的类别中出现的次数最多。
第三方面，本发明实施例提供了一种障碍物识别系统，包括：至少一个上述任一实施例所述的雾节点，以及至少两辆自动驾驶车，其中，
每一辆所述自动驾驶车，用于将自身的车辆位置信息和识别结果发送给相连的所述雾节点；以及接收所述雾节点发送的至少一个目标障碍物的障碍物信息，以对所述识别结果进行校正。
本发明实施例提供了一种障碍物识别方法、雾节点及系统，通过接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果，然后从各个识别结果中确定出至少一个目标障碍物的障碍物信息，最终通过将每一个目标障碍物的障碍物信息发送给相应的车辆，以对车辆中自身所识别到的不准确的识别结果进行校正。由于本发明实施例是将多辆车的识别结果进行整合，然后将需要校正的障碍物信息发送给相应的车辆，从而提高了识别障碍物的准确性，减少了误判的概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种障碍物识别方法的流程图；
图2是本发明一个实施例提供的一种雾节点的结构示意图；
图3是本发明一个实施例提供的一种障碍物识别系统的结构示意图；
图4是本发明另一个实施例提供的一种障碍物识别方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种障碍物识别方法，该方法可以包括以下步骤：
步骤101：接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果。
步骤102：根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息。
步骤103：针对于每一个所述目标障碍物，从所述至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车。
步骤104：将所述当前目标障碍物的障碍物信息发送给所述至少一辆车，以对所述至少一辆车中的每一辆车对应的所述识别结果进行校正。
本发明实施例提供了一种障碍物识别方法，通过接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果，然后从各个识别结果中确定出至少一个目标障碍物的障碍物信息，最终通过将每一个目标障碍物的障碍物信息发送给相应的车辆，以对车辆中自身所识别到的不准确的识别结果进行校正。由于本发明实施例是将多辆车的识别结果进行整合，然后将需要校正的障碍物信息发送给相应的车辆，从而提高了识别障碍物的准确性，减少了误判的概率。
在本发明一个实施例中，所述识别结果，包括：第一数量的障碍物的类别以及与相应所述车辆位置信息对应的每一个所述障碍物的相对位置和相对距离，其中，所述第一数量为非负整数。
由于自动驾驶车的周围环境中可能不存在障碍物，或者是自动驾驶车并未识别出有任何障碍物，那么此时识别结果中的第一数量为0。其中，相对位置和相对距离均是针对车辆当前的所在位置为基准的。
在本发明一个实施例中，所述障碍物信息，包括：类别和位置信息；所述步骤102的具体实施方式，可包括：针对于所述至少两辆车中的每一辆车，分别根据对应的所述车辆位置信息以及所述识别结果中包括的各个所述障碍物的相对位置和相对距离，将各个所述障碍物定位到预设地图上，以确定每一辆车所识别到的每一个所述障碍物的位置信息；以及针对于每一个所述位置信息，当存在有障碍物扫描区域覆盖当前位置信息的车并未识别到所述当前位置信息的障碍物时，从剩余障碍物扫描区域覆盖所述当前位置信息的车所识别到所述当前位置信息的障碍物中确定目标障碍物的类别。
例如，同时接收到5辆自动驾驶车发送的车辆位置信息和识别结果，假设通过将障碍物定位到预设地图上，确定出第1辆车识别到的障碍物的位置信息有R1(对应识别到的障碍物类别为A)和R2(对应识别到的障碍物类别为B)，第2辆车识别到的障碍物的位置信息有R1(对应识别到的障碍物类别为A)，第3辆车识别到的障碍物的位置信息有R1(对应识别到的障碍物类别为C)和R2(对应识别到的障碍物类别为B)，第4辆车识别到的障碍物的位置信息有R1(对应识别到的障碍物类别为A)和R2(对应识别到的障碍物类别为B)，第5辆车识别到的障碍物的位置信息有R3(对应识别到的障碍物类别为A)和R4(对应识别到的障碍物类别为B)，首先通过判断(例如，判断的原则为每一个位置信息与每一辆车的相对距离是否小于相应的预设距离)，确定出每一辆车的障碍物扫描区域是否覆盖相应的位置信息，以位置信息R2为例，假设确定出第1-4辆车的障碍物扫描区域均覆盖R2，那么也就说明这4辆车应该都能够识别到R2处有障碍物，但通过上述确定出这4辆中的第2辆车并未识别到R2处的障碍物，因此说明第2辆车自身的识别结果是不准确的，因此可将R2处的障碍物确定为一个目标障碍物，由于第1辆、第3辆和第4辆识别到该位置处的障碍物均为B，因此确定目标障碍物的类别为B，位置信息为R2。
在本发明一个实施例中，进一步包括：针对于每一个所述位置信息，当障碍物扫描区域覆盖所述当前位置信息的车均识别到所述当前位置信息的障碍物时，判断分别识别到所述当前位置信息的障碍物的类别是否一致；如果是，则结束当前流程；如果否，则从识别到所述当前位置信息的障碍物中确定目标障碍物的类别，其中，所述目标障碍物的类别在当前分别识别到所述当前位置信息的障碍物的类别中出现的次数最多。
同样还是以上述实施例中的5辆车为例，以位置信息R1为例，假设确定出第1-4辆车的障碍物扫描区域均覆盖R1，第5辆车的障碍物扫描区域还未覆盖到R1，通过上述实施例，确定出这4辆车也均扫描到位置信息R1处有障碍物，第1-4辆车识别到的分别是A、A、C和A，那么此时通过投票，可确定确定目标障碍物的类别为A，若为了更加提高行驶的安全性，可预先确定每一种自动驾驶车的车载自动驾驶系统中识别模型的识别精度，这样在确定障碍物的类别时，可依据识别精度高的进行确定。
如图2所示，本发明实施例提供了一种雾节点，包括：接收单元201、第一确定单元202、第二确定单元203和发送单元204，其中，
所述接收单元201，用于接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果；
所述第一确定单元202，用于根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息；
所述第二确定单元203，用于针对于每一个所述目标障碍物，从所述至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车；
所述发送单元204，用于将所述当前目标障碍物的障碍物信息发送给所述至少一辆车，以对所述至少一辆车中的每一辆车对应的所述识别结果进行校正。
在本发明一个实施例中，所述识别结果，包括：第一数量的障碍物的类别以及与相应所述车辆位置信息对应的每一个所述障碍物的相对位置和相对距离，其中，所述第一数量为非负整数。
在本发明一个实施例中，所述障碍物信息，包括：类别和位置信息；所述第一确定单元，用于针对于所述至少两辆车中的每一辆车，分别根据对应的所述车辆位置信息以及所述识别结果中包括的各个所述障碍物的相对位置和相对距离，将各个所述障碍物定位到预设地图上，以确定每一辆车所识别到的每一个所述障碍物的位置信息；以及针对于每一个所述位置信息，当存在有障碍物扫描区域覆盖当前位置信息的车并未识别到所述当前位置信息的障碍物时，从剩余障碍物扫描区域覆盖所述当前位置信息的车所识别到所述当前位置信息的障碍物中确定目标障碍物的类别。
在本发明一个实施例中，所述第一确定单元，进一步用于针对于每一个所述位置信息，当障碍物扫描区域覆盖所述当前位置信息的车均识别到所述当前位置信息的障碍物时，判断分别识别到所述当前位置信息的障碍物的类别是否一致；如果是，则结束当前流程；如果否，则从识别到所述当前位置信息的障碍物中确定目标障碍物的类别，其中，所述目标障碍物的类别在当前分别识别到所述当前位置信息的障碍物的类别中出现的次数最多。
上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例提供了一种障碍物识别方法，包括：至少一个上述任一实施例所述的雾节点，以及至少两辆自动驾驶车，其中，
每一辆所述自动驾驶车，用于将自身的车辆位置信息和识别结果发送给相连的所述雾节点；以及接收所述雾节点发送的至少一个目标障碍物的障碍物信息，以对所述识别结果进行校正。
本发明实施例提供了一种计算机可读介质，包括计算机执行指令，当存储控制器的处理器执行所述计算机执行指令时，所述存储控制器执行上述实施例任一所述的障碍物识别方法。
本发明实施例提供了一种存储控制器，包括：处理器、存储器和总线；
所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述存储控制器执行上述实施例任一所述的障碍物识别方法。
下面将以图3所示的障碍物识别系统为例，详细说明本发明实施例提供的一种障碍物识别方法，如图4所示，该方法可以包括如下步骤：
步骤401：自动驾驶车a、b、c和d分别与雾节点S建立连接。
本发明实施例中，以一个雾节点S为例，而针对部署的其它雾节点，其处理原则与雾节点S一致，不再赘述。那么自动驾驶车在行驶过程中，可就近连接附近的雾节点，如自动驾驶车a、b、c和d同时与雾节点S建立了连接。
步骤402：自动驾驶车a、b、c和d分别从雾节点S获取高精地图。
由于有些自动驾驶车设置的地图精度可能不是很精细，因此本发明实施例中每一辆与雾节点S相连的自动驾驶车均可获取雾节点S预设的高精地图，这样，4辆自动驾驶车在分别获取到高精地图后，均可依据高精地图准确定位自身的位置信息，从而为之后确定障碍物的位置信息奠定基础。
步骤403：自动驾驶车a、b、c和d分别将自身的车辆位置信息和识别结果发送给雾节点S。
本发明实施例中，每一辆自动驾驶车，均可依靠自身部署的激光雷达实时扫描周围环境，然后通过自身的自动驾驶系统对激光雷达扫描的结果进行识别，以确定所在车周围的障碍物及其障碍物的相对位置和相对距离。
例如，自动驾驶车a的识别结果，包括：障碍物1的类别为A、障碍物1的相对位置为θ1和相对距离为(x1、y1、z1)，障碍物2的类别为B、障碍物2的相对位置为θ2和相对距离为(x2、y2、z2)；自动驾驶车b的识别结果，包括：障碍物3的类别为C、障碍物3的相对位置θ3和相对距离为(x3、y3、z3)，障碍物4的类别为B，障碍物4的相对位置为θ4和相对距离为(x4、y4、z4)；自动驾驶车c的识别结果，包括：障碍物5的类别为A，障碍物5的相对位置为θ5和相对距离为(x5、y5、z5)；自动驾驶车d的识别结果，包括：障碍物6的类别为D，障碍物6的相对位置为θ6和相对距离为(x6、y6、z6)。
步骤404：雾节点S接收自动驾驶车a、b、c和d分别发送的车辆位置信息和识别结果。
步骤405：雾节点S针对于每一辆车，分别根据对应的车辆位置信息以及识别结果中包括的各个障碍物的相对位置和相对距离，将各个障碍物定位到预设地图上，以确定每一辆车所识别到的每一个障碍物的位置信息。
在本发明实施例中，可将每一个障碍物定位到预设的高精地图上，以此确定障碍物的具体位置信息。
例如，通过上述步骤403中的各个障碍物的相对位置和相对距离，以及对应自动驾驶车的车辆位置信息，在将其分别定位到高精地图上之后，确定出自动驾驶车a所识别到的障碍物1实际的位置信息为R1，障碍物2实际的位置信息为R2；自动驾驶车b所识别到的障碍物3实际的位置信息为R1，障碍物4实际的位置信息为R2；自动驾驶车c识别到的障碍物5实际的位置信息为R1；自动驾驶车d识别到的障碍物6实际的位置信息为R3。
步骤406：雾节点S针对于每一个位置信息，判断是否存在有障碍物扫描区域覆盖当前位置信息的车并未识别到当前位置信息的障碍物，如果是，则执行步骤407，否则，执行步骤408。
在本发明实施例中，通过上述步骤405共确定出障碍物的三个位置信息，分别为R1、R2和R3，例如，针对位置信息R2，自动驾驶车a和b均识别到有障碍物，而自动驾驶车c和d均未识别到R2处有障碍物，但是，其中自动驾驶车c部署的激光雷达的扫描区域覆盖到R2，而自动驾驶车d部署的激光雷达的扫描区域此时还未覆盖到R2，那么说明自动驾驶车c本应该是能够识别到R2处有障碍物，但可能由于遮挡等缘故未识别出，因此障碍物扫描区域覆盖R2的自动驾驶车a、b和c中，存在自动驾驶车c未识别到R2处的障碍物，所以针对位置信息R2，则执行步骤407。
针对位置信息R1，自动驾驶车a、b和c均识别到有障碍物，自动驾驶车d未识别到R2处有障碍物，但是自动驾驶车d部署的激光雷达的扫描区域此时也还未覆盖到R1，因此自动驾驶车d的识别结果中不会存在R1处的障碍物，此时执行步骤408。
步骤407：雾节点S从剩余障碍物扫描区域覆盖当前位置信息的车所识别到当前位置信息的障碍物中确定目标障碍物的类别，并执行步骤410。
根据上述步骤406，位置信息R2处的障碍物即为本发明实施例中的一个目标障碍物，其类别可在自动驾驶车a和b分别识别到R2处的障碍物中进行确定，根据上述步骤403和步骤405，自动驾驶车a识别到R2的障碍物类别为B，自动驾驶车b识别到R2的障碍物类别也为B，因此确定目标障碍物的类别为B，即确定的一个目标障碍物的障碍物信息中的类别为B和位置信息为R2。
步骤408：雾节点S判断障碍物扫描区域覆盖当前位置信息的车分别识别到当前位置信息的障碍物的类别是否一致，如果是，则结束当前流程，如果否，则执行步骤409。
根据上述步骤406，位置信息R1处的障碍物即为本发明实施例中的又一个目标障碍物，根据上述步骤403和步骤405，自动驾驶车a识别到R1的障碍物类别为A，自动驾驶车b识别到R1的障碍物类别为C，自动驾驶车c识别到R1的障碍物类别为A，此时类别并不一致，因此执行步骤409。
步骤409：雾节点S从识别到当前位置信息的障碍物中确定目标障碍物的类别，其中，目标障碍物的类别在分别识别到当前位置信息的障碍物的类别中出现的次数最多。
本发明实施例中，由于自动驾驶车a和c识别到R1的障碍物类别均为A，因此确定目标障碍物的类别为A。
步骤410：雾节点S针对于每一个目标障碍物，从至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车。
针对上述步骤407，雾节点S将目标障碍物的类别B和位置信息R2发送给自动驾驶车a、b和c，以主要对自动驾驶车c的识别结果进行校正；针对上述步骤409，雾节点S将目标障碍物的类别A和位置信息R1发送给自动驾驶车a、b和c，以主要对自动驾驶车b的识别结果进行校正。
步骤411：将当前目标障碍物的障碍物信息发送给至少一辆车，以对至少一辆车中的每一辆车对应的识别结果进行校正。
综上，本发明各个实施例至少具有如下有益效果：
1、在本发明实施例中，通过接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果，然后从各个识别结果中确定出至少一个目标障碍物的障碍物信息，最终通过将每一个目标障碍物的障碍物信息发送给相应的车辆，以对车辆中自身所识别到的不准确的识别结果进行校正。由于本发明实施例是将多辆车的识别结果进行整合，然后将需要校正的障碍物信息发送给相应的车辆，从而提高了识别障碍物的准确性，减少了误判的概率。
2、在本发明实施例中，当有车辆未识别到障碍物时，通过其余车所识别到的当前位置信息的障碍物确定类别，并发送给未识别到该障碍物的车辆，从而能够未识别到障碍物的车辆就能够确定出该障碍物，从而提高了障碍物识别的准确性，减少了安全隐患。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (5)

1.一种障碍物识别方法，其特征在于，包括：
接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果；
根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息；
针对于每一个所述目标障碍物，从所述至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车；
将所述当前目标障碍物的障碍物信息发送给所述至少一辆车，以对所述至少一辆车中的每一辆车对应的所述识别结果进行校正；
所述识别结果，包括：第一数量的障碍物的类别以及与相应所述车辆位置信息对应的每一个所述障碍物的相对位置和相对距离，其中，所述第一数量为非负整数；
所述障碍物信息，包括：类别和位置信息；
所述根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息，包括：
针对于所述至少两辆车中的每一辆车，分别根据对应的所述车辆位置信息以及所述识别结果中包括的各个所述障碍物的相对位置和相对距离，将各个所述障碍物定位到预设地图上，以确定每一辆车所识别到的每一个所述障碍物的位置信息；
针对于每一个所述位置信息，当存在有障碍物扫描区域覆盖当前位置信息的车并未识别到所述当前位置信息的障碍物时，从剩余障碍物扫描区域覆盖所述当前位置信息的车所识别到所述当前位置信息的障碍物中确定目标障碍物的类别。
2.根据权利要求1所述的方法，其特征在于，
进一步包括：
针对于每一个所述位置信息，当障碍物扫描区域覆盖所述当前位置信息的车均识别到所述当前位置信息的障碍物时，判断分别识别到所述当前位置信息的障碍物的类别是否一致；
如果是，则结束当前流程；
如果否，则从识别到所述当前位置信息的障碍物中确定目标障碍物的类别，其中，所述目标障碍物的类别在当前分别识别到所述当前位置信息的障碍物的类别中出现的次数最多。
3.一种雾节点，其特征在于，包括：接收单元、第一确定单元、第二确定单元和发送单元，其中，
所述接收单元，用于接收至少两辆车中的每一辆车分别发送的车辆位置信息和识别结果；
所述第一确定单元，用于根据所述至少两辆车发送的各个所述车辆位置信息和各个所述识别结果，确定至少一个目标障碍物的障碍物信息；
所述第二确定单元，用于针对于每一个所述目标障碍物，从所述至少两辆车中确定障碍物扫描区域覆盖当前目标障碍物所在位置的至少一辆车；
所述发送单元，用于将所述当前目标障碍物的障碍物信息发送给所述至少一辆车，以对所述至少一辆车中的每一辆车对应的所述识别结果进行校正；
所述识别结果，包括：第一数量的障碍物的类别以及与相应所述车辆位置信息对应的每一个所述障碍物的相对位置和相对距离，其中，所述第一数量为非负整数；
所述障碍物信息，包括：类别和位置信息；
所述第一确定单元，用于针对于所述至少两辆车中的每一辆车，分别根据对应的所述车辆位置信息以及所述识别结果中包括的各个所述障碍物的相对位置和相对距离，将各个所述障碍物定位到预设地图上，以确定每一辆车所识别到的每一个所述障碍物的位置信息；以及针对于每一个所述位置信息，当存在有障碍物扫描区域覆盖当前位置信息的车并未识别到所述当前位置信息的障碍物时，从剩余障碍物扫描区域覆盖所述当前位置信息的车所识别到所述当前位置信息的障碍物中确定目标障碍物的类别。
4.根据权利要求3所述的雾节点，其特征在于，
所述第一确定单元，进一步用于针对于每一个所述位置信息，当障碍物扫描区域覆盖所述当前位置信息的车均识别到所述当前位置信息的障碍物时，判断分别识别到所述当前位置信息的障碍物的类别是否一致；如果是，则结束当前流程；如果否，则从识别到所述当前位置信息的障碍物中确定目标障碍物的类别，其中，所述目标障碍物的类别在当前分别识别到所述当前位置信息的障碍物的类别中出现的次数最多。
5.一种障碍物识别系统，其特征在于，包括：至少一个权利要求3至4任一所述的雾节点，以及至少两辆自动驾驶车，其中，
每一辆所述自动驾驶车，用于将自身的车辆位置信息和识别结果发送给相连的所述雾节点；以及接收所述雾节点发送的至少一个目标障碍物的障碍物信息，以对所述识别结果进行校正。
CN201710750449.3A 2017-08-28 2017-08-28 一种障碍物识别方法、雾节点及系统 Active CN107506733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710750449.3A CN107506733B (zh) 2017-08-28 2017-08-28 一种障碍物识别方法、雾节点及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710750449.3A CN107506733B (zh) 2017-08-28 2017-08-28 一种障碍物识别方法、雾节点及系统

Publications (2)

Publication Number Publication Date
CN107506733A CN107506733A (zh) 2017-12-22
CN107506733B true CN107506733B (zh) 2020-07-14

Family

ID=60693926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710750449.3A Active CN107506733B (zh) 2017-08-28 2017-08-28 一种障碍物识别方法、雾节点及系统

Country Status (1)

Country Link
CN (1) CN107506733B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108375977A (zh) * 2018-01-24 2018-08-07 济南浪潮高新科技投资发展有限公司 一种基于雾节点的城市环境自动驾驶方法
US20190362159A1 (en) * 2018-05-23 2019-11-28 GM Global Technology Operations LLC Crowd sourced construction zone detection for autonomous vehicle map maintenance
CN109035819B (zh) * 2018-07-27 2020-12-22 南通大学 一种基于雾计算的区域交通情景感知方法
CN109255341B (zh) * 2018-10-30 2021-08-10 百度在线网络技术（北京）有限公司 障碍物感知错误数据的提取方法、装置、设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4437556B2 (ja) * 2007-03-30 2010-03-24 アイシン・エィ・ダブリュ株式会社 地物情報収集装置及び地物情報収集方法
US8538675B2 (en) * 2009-06-01 2013-09-17 Raytheon Company Non-kinematic behavioral mapping
CN201903966U (zh) * 2010-10-29 2011-07-20 北京工业大学 一种物联网汽车的监控系统
US9948135B2 (en) * 2015-09-22 2018-04-17 Energous Corporation Systems and methods for identifying sensitive objects in a wireless charging transmission field
CN103810475B (zh) * 2014-02-19 2017-04-05 百度在线网络技术（北京）有限公司 一种目标物识别方法及装置

Also Published As

Publication number Publication date
CN107506733A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107506733B (zh) 一种障碍物识别方法、雾节点及系统
US20180047291A1 (en) Dynamic-map constructing method, dynamic-map constructing system, and moving terminal
US11780463B2 (en) Method, apparatus and server for real-time learning of travelling strategy of driverless vehicle
KR102332045B1 (ko) 운전 참고 선 처리 방법, 장치 및 차량
CN110136484B (zh) 一种车辆变道方法、路测单元及存储介质
US11904898B2 (en) Method, computer program and apparatus for controlling operation of a vehicle equipped with an automated driving function
CN113721621B (zh) 车辆控制方法、装置、电子设备以及存储介质
CN110866544B (zh) 传感器数据的融合方法、装置及存储介质
US20220203971A1 (en) Vehicle control method
CN113479196B (zh) 泊车方法、装置、电子设备、存储介质和自动驾驶汽车
CN111796286A (zh) 一种制动等级的评估方法、装置、车辆和存储介质
CN111754798A (zh) 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法
CN111723724A (zh) 一种路面障碍物识别方法和相关装置
CN113296118A (zh) 一种基于激光雷达与gps的无人驾驶绕障方法与终端
EP4125061A1 (en) Road model generation method and device
CN111942384A (zh) 车辆低速自动巡航方法、客户端、车辆低速自动巡航系统
CN115729245A (zh) 用于矿区坡道的障碍物融合检测方法、芯片和终端
CN110940974B (zh) 物体检测装置
CN114419922B (zh) 车位识别方法及装置
CN109774716B (zh) 车辆控制方法和装置
KR102545109B1 (ko) 차량용 허위 타겟 제거 장치 및 그의 허위 타겟 제거 방법과 그를 포함하는 차량
CN111650604B (zh) 利用精确定位实现自我车辆和周边障碍物精确探知的方法
US20190012918A1 (en) Method and device for classifying a parking spot identified with the aid of a distance-based detection method for validity
JP6332045B2 (ja) 障害物識別装置、及び障害物識別システム
KR20200038139A (ko) 차량의 군집 관리 장치 및 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20200616

Address after: 250100 Ji'nan high tech Zone, Shandong, No. 1036 wave road

Applicant after: INSPUR GROUP Co.,Ltd.

Address before: 250100, Ji'nan province high tech Zone, Sun Village Branch Road, No. 2877, building, floor, building, on the first floor

Applicant before: JINAN INSPUR HIGH-TECH TECHNOLOGY DEVELOPMENT Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230317

Address after: 250000 building S02, No. 1036, Langchao Road, high tech Zone, Jinan City, Shandong Province

Patentee after: Shandong Inspur Scientific Research Institute Co.,Ltd.

Address before: No. 1036, Shandong high tech Zone wave road, Ji'nan, Shandong

Patentee before: INSPUR GROUP Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231215

Address after: No. 666 Fifth Ring Road, Lingang Economic and Technological Development Zone, Dongxihu District, Wuhan City, Hubei Province, 430040

Patentee after: Inspur Smart Technology (Wuhan) Co.,Ltd.

Address before: 250000 building S02, No. 1036, Langchao Road, high tech Zone, Jinan City, Shandong Province

Patentee before: Shandong Inspur Scientific Research Institute Co.,Ltd.

TR01 Transfer of patent right